Оптимальный подход «дактилоскопического» анализа является центральным для обнаружения и атрибуции изменения климата. Он использует регрессионную модель с ковариатами, имеющими ошибки измерения, связанными общей ковариационной матрицей с ошибкой регрессии до известного масштаба. Выводы о коэффициентах регрессии жизненно важны для создания надёжных заявлений об обнаружении и атрибуции, а также для количественной оценки неопределённостей в результатах, таких как атрибутивное потепление. Традиционно для этого использовался метод наименьших квадратов, зависящий от точной оценки ковариационной матрицы ошибки регрессии. Однако неточности в оценке этой матрицы могут привести к искаженным оценкам масштабного коэффициента и чрезмерно оптимистичным доверительным интервалам, что потенциально искажает точность заявлений об обнаружении и атрибуции. Недавнее появление подхода с использованием оценочных уравнений, предлагающего более эффективную точечную оценку с меньшей возможной дисперсией и точной количественной оценкой неопределённости, побуждает к критической переоценке прошлых анализов обнаружения и атрибуции изменения климата. Применяя этот передовой метод к данным наблюдений HadCRUT5 и результатам мультимодельных расчётов из проекта CMIP6, авторы переоценивают обнаружение и атрибуцию температуры на глобальном и региональном уровнях, усиливают существующие выводы по обнаружению и атрибуции в глобальном масштабе и предоставляют доказательства влияния антропогенных воздействий в различных регионах.

 

Ссылка: https://journals.ametsoc.org/view/journals/clim/38/8/JCLI-D-24-0193.1.xml